羊毛运动鞋品牌Allbirds于周三宣布,将彻底告别制鞋业务,全面转型人工智能领域。此次品牌更名为"NewBird AI"的重大战略转型,引发市场强烈反应,公司股价在当天午间交易高峰期一度飙升582%。
这一戏剧性的急速转身,对于近年来一直深陷困境的Allbirds而言格外引人注目。这家公司曾在硅谷风靡一时,鼎盛时期估值高达40亿美元,然而自2021年以来股价已累计蒸发99%。就在本月初,公司还刚刚宣布以3900万美元的价格,将品牌出售给品牌管理公司American Exchange Company。
如今,Allbirds声称将专注于采购图形处理器(GPU),以支撑AI算力业务。这一宣言堪称本轮AI热潮中最令人费解的转型案例之一。在这段时期,众多企业争相将AI概念硬塞进自身业务,以迎合投资者和市场的口味。Allbirds此举的长期可行性尚不明朗,但其短期效果已然显现——公司摇身一变成为某种"梗股",股价在盘中剧烈震荡。
公司在声明中表示:"AI的开发与应用浪潮带来了前所未有的、对高性能专用算力的结构性需求,而市场目前难以满足这一需求。NewBird AI的诞生,正是为了填补这一缺口。"
根据向美国证券交易委员会提交的文件,Allbirds已从一位未具名的投资方处获得5000万美元融资,用于支持其新AI业务。文件同时披露,公司将放弃其具有环保理念的公众受益公司身份,转型为普通商业公司,并明确表示新公司"将不再着重关注环境保护这一公共利益"。
目前,即将更名为NewBird AI的Allbirds尚未回应媒体就此次品牌重塑及AI转型计划所发出的置评请求。
多年来,可持续发展始终是Allbirds营销策略的核心。这一理念曾为其赢得众多政界人士和名人的青睐——演员莱昂纳多·迪卡普里奥于2018年入股该公司,并盛赞其为"鞋业的标杆"。格温妮斯·帕特洛、奥普拉·温弗瑞和巴拉克·奥巴马等名流,也曾被拍到穿着或推荐过这一品牌。
然而,尽管起步顺利,Allbirds始终未能维持品牌热度,逐渐淡出主流视野。在品牌鼎盛时期,Allbirds曾在全球开设数十家实体门店,但近年来销售额急剧下滑,去年第三季度净亏损高达2030万美元,并于今年1月关闭了在美国境内的最后一批实体店。
目前,Allbirds正等待股东在下月的投票中批准American Exchange Company的收购方案。公司在声明中表示,此次出售将使Allbirds"得以将业务转型至AI算力基础设施领域,并以成为一家全面整合的GPU即服务(GPUaaS)及AI原生云解决方案提供商为长期愿景"。
Q&A
Q1:Allbirds为什么要突然转型AI?
A:Allbirds近年来业绩持续下滑,自2021年以来股价已累计蒸发99%,并面临被收购的局面。公司将此次转型定位为抢占AI算力基础设施市场的机遇,声称要通过采购GPU填补市场对高性能算力的需求缺口,并获得了5000万美元融资支持。但业界普遍认为,此举更像是借助AI热潮提振股价的资本运作,长期可行性存疑。
Q2:Allbirds转型后具体要做什么业务?
A:转型后更名为NewBird AI的公司,计划专注于采购图形处理器(GPU)以提供AI算力支持,其长期目标是成为一家提供GPU即服务(GPUaaS)及AI原生云解决方案的综合服务商。简单来说,公司希望从卖鞋转向出租算力,为有AI计算需求的企业提供基础设施服务。
Q3:Allbirds股价暴涨582%之后还会继续涨吗?
A:目前难以判断。股价暴涨更多是市场对AI概念的情绪性反应,公司本身实际AI业务尚未落地,转型计划能否执行还有赖于股东批准收购方案。分析人士认为Allbirds已呈现出"梗股"特征,即股价受舆论情绪驱动、波动剧烈,投资风险极高,长期价值有待观察。
好文章,需要你的鼓励
Replit与RevenueCat达成合作,将订阅变现工具直接集成至Replit平台。用户只需通过自然语言提示(如"添加订阅"),即可完成应用内购和订阅配置,无需离开平台。RevenueCat管理超8万款应用的订阅业务,每月处理约10亿美元交易。此次合作旨在让"氛围编程"用户在构建应用的同时即可实现商业变现,月收入未达2500美元前免费使用,超出后收取1%费用。
LiVER是由北京大学、北京邮电大学等机构联合提出的视频生成框架,核心创新是将物理渲染技术与AI视频生成结合,通过Blender引擎计算漫反射、粗糙GGX和光泽GGX三种光照图像构成"场景代理",引导视频扩散模型生成光影物理准确的视频。框架包含渲染器智能体、轻量化编码器适配器和三阶段训练策略,支持对光照、场景布局和摄像机轨迹的独立精确控制。配套构建的LiVERSet数据集含约11000段标注视频,实验显示该方法在视频质量和控制精度上均优于现有方法。
所有人都说AI需要护栏,但真正在构建它的人寥寥无几。SkipLabs创始人Julien Verlaguet深耕这一问题已逾一年,他发现市面上多数"护栏"不过是提示词包装。为此,他打造了专为后端服务设计的AI编程智能体Skipper,基于健全的TypeScript类型系统与响应式运行时,实现增量式代码生成与测试,内部基准测试通过率超90%。他认为,编程语言的"人类可读性时代"正走向终结,面向智能体的精确工具链才是未来。
这项由蒙特利尔学习算法研究所(Mila)与麦吉尔大学联合发布的研究(arXiv:2604.07776,2026年4月)提出了AGENT-AS-ANNOTATORS框架,通过模仿人类数据标注的三种角色分工,系统化生成高质量网页智能体训练轨迹。以Gemini 3 Pro为教师模型,仅用2322条精选轨迹对90亿参数的Qwen3.5-9B模型进行监督微调,在WebArena基准上达到41.5%成功率,超越GPT-4o和Claude 3.5 Sonnet,并在从未见过的企业平台WorkArena L1上提升18.2个百分点,验证了"数据质量远比数量重要"这一核心结论。